一个简单的在线计算器可以检测出肝硬化患者临床并发症的高风险
CeMM、维也纳医科大学(MedUni Vienna)和路德维希·玻尔兹曼罕见和未确诊疾病研究所(LBI-RUD)的研究人员共同努力，利用他们在肝硬化患者机器学习和管理方面的专业知识，开发了一种非侵入性算法，可以帮助临床医生识别严重并发症风险最高的肝硬化患者。
肝硬化是对肝脏反复损伤的反应，比如脂肪肝或者病毒性肝炎。最初，肝硬化大多是无症状的，因此，早期识别严重并发症的危险因素代表了尚未满足的临床需求。
肝硬化临床分为代偿期和失代偿期。代偿患者肝硬化有很少甚至没有症状。然而,病人可能发展为失代偿性肝硬化，并伴有严重并发症，如内部(静脉曲张)出血或腹腔积液(腹水)，甚至可能导致死亡。
不幸的是，目前对代偿性肝硬化患者失代偿风险的测量需要侵入性手术。即测量肝静脉压力梯度(HVPG)。HVPG升高≥10 mmHg与较高的并发症概率相关。HVPG甚至更高(≥16 mmHg)的患者有肝功能失代偿的危险。
在CeMM Stefan Kubicek小组的第一作者Jiri Reinis和维也纳MedUni、CeMM和LBI-RUD的Thomas Reiberger小组的Oleksandr Petrenko的一项研究中，机器学习模型使用从代偿性肝硬化患者获得的血液测试参数进行训练，以检测门静脉压力水平升高，从而确定哪些人有发生临床并发症的风险。这项研究现在发表在《科学》杂志上肝病杂志．
预测的最佳临床参数
该项目的关键数据来源来自维也纳总医院维也纳医科大学消化病学和肝病科正在进行的维也纳肝硬化研究。在这项研究中，对163名代偿性肝硬化患者进行了HVPG测量，同时采集了他们的血液样本，以确定124种生物标志物的范围。
在整个临床变量集中，计算确定了3个和5个用于检测高危患者的最佳参数。在VICIS患者队列中，该模型在识别HVPG值分别为≥10 mmHg和≥16 mmHg的患者方面表现出色。
数据集的验证
为了评估非侵入性模型预测并发症的诊断能力，研究人员在来自8个欧洲临床中心的1232名代偿性肝硬化患者的联合队列中测试了他们的非侵入性机器学习模型。这种新方法被证实在整个队列中具有良好的诊断价值，重要的是它仅基于3或5个广泛可用的实验室参数，是非侵入性的，不需要专用和昂贵的设备。
项目负责人Thomas Reiberger解释说:“虽然HVPG测量仍然需要可靠地识别临床显著或严重的门脉高压症患者，但这种新方法可以应用于优先治疗以防止失代偿或选择患者进行临床试验。由于其简单性，所提出的方法最终可以在常规检查中使用，并且几乎没有额外的费用。”
最后，研究人员开发了一个在线计算器，允许临床医生计算补偿患者失代偿的风险肝硬化．
